【基于openGauss5.0.0简单使用DBMind】

基于openGauss5.0.0简单使用DBMind

    • 一、环境说明
    • 二、初始化tpch测试数据
    • 三、使用DBMind索引推荐功能
    • 四、使用DBMind实现SQL优化功能

一、环境说明

  1. 虚拟机:virtualbox
  2. 操作系统:openEuler 20.03 TLS
  3. 数据库:openGauss-5.0.0
  4. DBMind:dbmind-5.0.0
    注意环境是基于x86架构

二、初始化tpch测试数据

  1. 使用普通用户如omm登录服务器

  2. 执行如下命令下载测试数据库:

    git clone https://gitee.com/xzp-blog/tpch-kit.git
    
  3. 进入dbgen目录下,生成makefile文件:

    cd /opt/software/tpch-kit/dbgen/
    make -f Makefile
    
  4. 连接openGauss数据库,创建tpch的database:

    gsql -d postgres -p 15432 -r
    openGauss=# CREATE DATABASE tpch; 
    openGauss=# \q
    
  5. 创建8张测试表,执行如下命令:

    cd /opt/software/tpch-kit/dbgen
    gsql -d tpch -f dss.ddl
    

    执行完成后,登录数据库查看,会看到如下8张表:

    					List of relations
     Schema |   Name   | Type  | Owner |             Storage
    --------+----------+-------+-------+----------------------------------
     public | customer | table | omm   | {orientation=row,compression=no}
     public | lineitem | table | omm   | {orientation=row,compression=no}
     public | nation   | table | omm   | {orientation=row,compression=no}
     public | orders   | table | omm   | {orientation=row,compression=no}
     public | part     | table | omm   | {orientation=row,compression=no}
     public | partsupp | table | omm   | {orientation=row,compression=no}
     public | region   | table | omm   | {orientation=row,compression=no}
     public | supplier | table | omm   | {orientation=row,compression=no}
    
  6. 生成8张表测试数据,执行如下命令:

    cd /opt/software/tpch-kit/dbgen
    ./dbgen -vf -s 1
    

    执行结果如下:

    [omm@opengauss01 dbgen]$ ./dbgen -vf -s 1
    TPC-H Population Generator (Version 2.17.3)
    Copyright Transaction Processing Performance Council 1994 - 2010
    Generating data for suppliers table/
    Preloading text ... 100%
    done.
    Generating data for customers tabledone.
    Generating data for orders/lineitem tablesdone.
    Generating data for part/partsupplier tablesdone.
    Generating data for nation tabledone.
    Generating data for region tabledone.
    
  7. 编写导入数据脚本LoadData.sh:

    for i in `ls *.tbl`; do
      table=${i/.tbl/}
      echo "Loading $table..."
      sed 's/|$//' $i > /opt/software/tmp/$i
      gsql tpch -p 15432 -q -c "TRUNCATE $table"
      gsql tpch -p 15432 -c "\\copy $table FROM '/opt/software/tmp/$i' CSV DELIMITER '|'"
    done
    

    注意当前数据库端口为15432
    授予执行权限:

    [omm@opengauss01 dbgen]$ chmod +x LoadData.sh
    
  8. 导入数据到8张表中,执行导入脚本LoadData.sh:

    [omm@opengauss01 dbgen]$ sh LoadData.sh
    

    执行结果如下:

    Loading customer...
    Loading lineitem...
    Loading nation...
    Loading orders...
    Loading partsupp...
    Loading part...
    Loading region...
    Loading supplier...
    
  9. 检验数据是否已完成导入:

    gsql -d tpch -p 15432 -r
    tpch=# select count(*) from supplier;
    

    查看了supplier表的总记录数为:10000条。
    感兴趣可以全部查看8张表各自的总记录数,如下所示:

    至此,已完后TPCH测试数据的导入工作。

  10. 生成相关查询语句,为避免对原有查询语句脚本产生污染,将其复制到queries目录下:

    cd /opt/software/tpch-kit/dbgen
    cp dists.dss queries/
    cp qgen queries/
    cd queries/
    
  11. 编写生成查询语句脚本genda.sh,内容如下:

    cd /opt/software/tpch-kit/dbgen/queries
    vim genda.sh
    

    添加如下内容:

    for i in {1..22}; do
        ./qgen -d $i>$i_new.sql
     ./qgen -d $i_new | sed 's/limit -1//' | sed 's/limit 100//' | sed 's/limit 10//' | sed 's/limit 20//' | sed 's/day (3)/day/' > queries.sql
    done
    
  12. 执行脚本genda.sh:

    cd /opt/software/tpch-kit/dbgen
    sh genda.sh
    
  13. 验证生成的查询语句:

    cd /opt/software/tpch-kit/dbgen/queries
    ls -l queries.sql
    

    结果如下:

    [omm@opengauss01 queries]$ ls -l queries.sql
    -rw-r--r-- 1 omm dbgrp  12K Aug 29 23:49 queries.sql
    

    感兴趣可以查看下queries.sql内容,看下生成了哪些SQL语句
    至此,已完成了查询语句的生成。

  14. 为了测试AP性能,以omm用户上传tpch_ap_data.sql(可点击下载)到/opt/software目录下,然后执行如下命令执行该sql文件:

    gsql -d tpch -p 15432 -r -f /opt/software/tpch_ap_data.sql > /opt/software/tpch_ap_data.sql
    

    执行完成后,整个tpch数据库中相关表如下:

    tpch=# \d
                                            List of relations
     Schema |               Name                |   Type   | Owner |             Storage
    --------+-----------------------------------+----------+-------+----------------------------------
     public | address_dimension                 | table    | omm   | {orientation=row,compression=no}
     public | address_dimension_address_key_seq | sequence | omm   |
     public | customer                          | table    | omm   | {orientation=row,compression=no}
     public | date_dimension                    | table    | omm   | {orientation=row,compression=no}
     public | lineitem                          | table    | omm   | {orientation=row,compression=no}
     public | litemall_orders                   | table    | omm   | {orientation=row,compression=no}
     public | nation                            | table    | omm   | {orientation=row,compression=no}
     public | orders                            | table    | omm   | {orientation=row,compression=no}
     public | part                              | table    | omm   | {orientation=row,compression=no}
     public | partsupp                          | table    | omm   | {orientation=row,compression=no}
     public | region                            | table    | omm   | {orientation=row,compression=no}
     public | supplier                          | table    | omm   | {orientation=row,compression=no}
     public | user_dimension                    | table    | omm   | {orientation=row,compression=no}
     public | user_dimension_user_key_seq       | sequence | omm   |
    

三、使用DBMind索引推荐功能

  1. 第一种使用方式:
    • 以gsql登录到数据库中
      gsql -d tpch -p 15432 -r
      
    • 执行如下命令查看索引推荐
      select * from gs_index_advise('
      SELECT ad.province AS province, SUM(o.actual_price) AS GMV
        FROM litemall_orders o,
             address_dimension ad,
             date_dimension dd
       WHERE o.address_key = ad.address_key
         AND o.add_date = dd.date_key
         AND dd.year = 2020
         AND dd.month = 3
       GROUP BY ad.province
       ORDER BY SUM(o.actual_price) DESC');
      
      结果如下:
       schema |       table       |        column        | indextype
      --------+-------------------+----------------------+-----------
       public | litemall_orders   | address_key,add_date |
       public | address_dimension |                      |
       public | date_dimension    | year                 |
      (3 rows)
      
  2. 第二种使用方式:
    • 登录到DBMind的管理界面中,输入相关SQL语句:

      select * from customer where c_acctbal > 6819.74 order by c_acctbal desc limit 10;
      

      【基于openGauss5.0.0简单使用DBMind】_第1张图片

    • 点击【Advise Index】按钮,正常情况下会看到如下内容:
      【基于openGauss5.0.0简单使用DBMind】_第2张图片

四、使用DBMind实现SQL优化功能

  1. 登录到DBMind的管理界面中,输入相关SQL语句:
    【基于openGauss5.0.0简单使用DBMind】_第3张图片

其他的有关DBMind的功能,大家感兴趣,可自行测试,希望对您有所帮助~~~~~

你可能感兴趣的:(openGauss,openGauss)